Das Wichtigste in Kürze

Im Travel- und Hospitality-Markt kippt gerade ein altes Muster: Statt monatelanger Pilotprojekte setzen Unternehmen wie Evolve auf direkte Skalierung von KI-Anwendungen. Bei Evolve stieg der Anteil automatisch gelöster Gästegespräche in rund 120 Tagen von 30 auf 60 Prozent.

Der Knackpunkt liegt nicht nur im Modell, sondern in API-Geschwindigkeit, Datenqualität und internen Abläufen. Genau daran scheitern viele Teams, wenn sie KI erst einmal nur „testen“ und nie für den Betrieb bauen.

Warum der Pilot-Modus bremst

Der Skift-Artikel From Pilot to Production: Travel AI Tech macht einen Punkt sehr klar: Wer KI als Pilot behandelt, behandelt sie oft wie ein Nebenprojekt. Dann fehlen saubere Anbindungen an PMS, CRM, Wissensdatenbanken oder Service-Tools. Und genau da verliert das Thema Tempo.

Bei Evolve lief es anders. Das Vacation-Rental-Unternehmen startete Anfang des Jahres mit einer KI-Plattform für Routineanfragen und verzichtete bewusst auf die klassische Testphase. Laut Skift löste das System in ungefähr 120 Tagen statt 30 Prozent schon 60 Prozent der Gespräche ohne menschliche Hilfe. Dazu kamen kürzere Antwortzeiten und Support in der jeweiligen Muttersprache der Gäste.

Woran KI in Hospitality wirklich hängt

3 Punkte entscheiden über den Rollout:

  • Schnelle APIs, damit Antworten und Buchungsdaten ohne Verzögerung fließen
  • Saubere Datenstrukturen, damit das System nicht an alten Stammdaten scheitert
  • Klare Prozesse im Team, damit niemand fragt: „Wer entscheidet jetzt eigentlich?“

Was Evolve anders gemacht hat

Kein Schutzraum für halbe Lösungen

Arun Nagarajan, Chief Product and Technology Officer bei Evolve, sagte laut Skift: „By calling something a pilot, sometimes you reserve a little bit of gumption.“ Der Satz sitzt. Gemeint ist: Wer etwas Pilot nennt, senkt oft unbewusst die Messlatte. Dann akzeptiert das Team Fehler, die im Echtbetrieb nie durchgehen würden.

Evolve hat genau diese Logik umgedreht. Die Plattform musste schnell liefern, Fehler zeigen und trotzdem wachsen. Klingt hart? Ist es auch. Aber so entstehen Produkte, die nicht im Demo-Modus hängen bleiben.

  • Direkter Start statt langer Testschleifen
  • Schnelle Anpassung bei Fehlern
  • Messbare Verbesserung in Wochen statt Quartalen

Der Preis für Tempo

Nagarajan sprach auch von Fehlern und „a few embarrassing moments“. Das ist der Teil, den viele Unternehmen gern ausblenden. Wer schnell skaliert, produziert Reibung. Doch genau diese Reibung zeigt, wo die Technik nicht zu den Abläufen passt.

Der Artikel nennt auch IHG als Beispiel für Betreiber, die KI nicht mehr als kleines Nebenprojekt sehen. Stattdessen geht es um kontinuierliche Verbesserung, nicht um das perfekte Go-live-Datum. Das ist ein spürbarer Kulturwandel in einer Branche, die sonst gern auf Freigaben, Abstimmungen und sichere Etappen setzt.

Der eigentliche Sprung liegt nicht im Modell selbst, sondern im Betrieb drumherum. Ohne Datenfluss, klare Zuständigkeiten und saubere Schnittstellen bleibt KI ein hübsches Experiment.

Warum Infrastruktur wichtiger ist als der Hype

Skift hebt vor allem zwei Grundlagen hervor: APIs und Datengeschwindigkeit. Beides klingt trocken, ist aber entscheidend. Wenn ein System Informationen zu langsam bekommt, kann es keine präzisen Antworten liefern. Wenn Daten inkonsistent sind, wird aus KI schnell ein Fehlalarm.

Für Hotels, Serviced Apartments und Ferienwohnungsanbieter heißt das: Erst die Basis sauber machen, dann skalieren. Nicht andersherum. Wer mit fragmentierten Daten arbeitet, baut auf Sand.

Pilot oder direkter Rollout — was passt besser?

Dafür spricht

  • Schnellere Lernkurve im echten Betrieb
  • Frühe Effekte bei Service und Antwortzeiten
  • Klare Verantwortung statt „erst mal ausprobieren“

Dagegen spricht

  • Mehr Risiko bei fehlerhaften Prozessen
  • Höherer Druck auf Teams und Support
  • Saubere Datenbasis wird Pflicht, nicht Kür

Was andere Betriebe daraus mitnehmen können

Der Artikel zeigt keinen KI-Zaubertrick. Er zeigt Organisationsarbeit. Wer in Hospitality KI einführt, braucht drei Dinge: eine echte Business-Frage, belastbare Daten und Teams, die mit dem System arbeiten statt es nur abzunicken.

  • Starte mit einem klaren Use Case, etwa Gästeservice oder interne Wissenssuche
  • Prüfe vor dem Start die wichtigsten Schnittstellen
  • Miss Erfolg in Antwortzeit, Lösungsquote und Eskalationen
  • Bau Feedback aus dem Team direkt in die nächste Version ein

Genau deshalb ist der Skift-Befund so interessant: Die Gewinner sind nicht die mit den längsten Piloten. Es sind die mit dem saubersten Betrieb. Und ja, das verändert auch die Rolle von IT, Product und Operations in Hotels und Travel-Unternehmen deutlich.

Am Ende geht es weniger um KI als um Disziplin. Wer nur Pilot sagt, baut oft einen Schonraum. Wer Produktion denkt, baut ein System.

HÄUFIGE FRAGEN

Warum setzen Hotels und Travel-Teams bei KI nicht mehr nur auf Piloten?

Weil Pilotphasen oft Tempo kosten und echte Probleme verstecken. Wer KI direkt im Betrieb einsetzt, sieht schneller, ob Daten, Prozesse und Schnittstellen funktionieren.

Was hat Evolve laut Skift erreicht?

Das Unternehmen steigerte den Anteil automatisch gelöster Gästegespräche in rund 120 Tagen von 30 auf 60 Prozent. Außerdem sanken die Antwortzeiten, und das System sprach in der jeweiligen Landessprache der Gäste.

Welche Technik braucht KI in Hospitality zuerst?

Schnelle APIs und saubere Daten sind die Grundlage. Ohne beides wird ein KI-System langsam, fehleranfällig und schwer skalierbar.

Was ist die wichtigste Lehre für Hotels?

Nicht die Testphase entscheidet, sondern der Betrieb. Wenn du KI einführst, musst du Zuständigkeiten, Datenflüsse und Messgrößen von Anfang an festziehen.
Was denkst du? Schreib uns deine Meinung in die Kommentare — wir lesen jedes Feedback und antworten gern.
Kommentar schreiben →